{"id":19157,"date":"2021-05-21T09:17:27","date_gmt":"2021-05-21T08:17:27","guid":{"rendered":"https:\/\/www.oezratty.net\/wordpress\/?p=19157"},"modified":"2021-05-21T09:21:17","modified_gmt":"2021-05-21T08:21:17","slug":"que-peut-on-faire-avec-le-quantum-machine-learning","status":"publish","type":"post","link":"https:\/\/www.oezratty.net\/wordpress\/2021\/que-peut-on-faire-avec-le-quantum-machine-learning\/","title":{"rendered":"Que peut-on faire avec le Quantum Machine Learning ?"},"content":{"rendered":"

L\u2019un des domaines d\u2019applications du calcul quantique est le machine learning. Cela fait des ann\u00e9es que de nombreux algorithmes de machine learning et m\u00eame de deep learning ont \u00e9t\u00e9 con\u00e7us pour les calculateurs quantiques. Ils devraient en th\u00e9orie permettre d\u2019acc\u00e9l\u00e9rer certains calculs, notamment ceux de l\u2019entra\u00eenement des mod\u00e8les associ\u00e9s. Mais tout ceci ne fonctionne pas encore de mani\u00e8re op\u00e9rationnelle car les d\u00e9veloppeurs sont d\u00e9pendants de contraintes mat\u00e9rielles. Les ordinateurs quantiques actuels, comme ceux d\u2019IBM, ne sont pas encore assez puissants (en nombre de qubits) et fiables (en termes de bruit pendant les calculs car ceux-ci ont une nature profond\u00e9ment analogique). Comme cela a pu \u00eatre le cas pour les d\u00e9buts du machine learning et du deep learning, la th\u00e9orie logicielle progresse donc en parall\u00e8le avec le mat\u00e9riel. On attend encore l\u2019\u00e9tape \u00e9quivalente \u00e0 celle de l\u2019arriv\u00e9e des GPU de Nvidia en 2012 qui a fait d\u00e9coller le deep learning.<\/p>\n

Nous \u00e9voquons tous ces sujets dans ce 27e \u00e9pisode<\/a> des entretiens Decode Quantum <\/strong>toujours coproduit avec Frenchweb \/ Decode Media <\/strong>et Richard Menneveux<\/strong>. Nous l\u2019avions d\u00e9j\u00e0 rapidement trait\u00e9, parmi d\u2019autres sujets, avec Iordanis Kerenidis<\/a> en octobre 2020. Cette fois-ci, Fanny Bouton <\/strong>et moi-m\u00eame \u00e9tions avec Nicolas Gaude et Michel Nowak, tous deux de la startup Prevision.io<\/strong>.<\/p>\n

\"image\"<\/a><\/p>\n

Nicolas Gaude<\/b> est le CTO et cofondateur en 2017 de Prevision.io<\/a>, une startup de l\u2019IA et du machine learning qui vise \u00e0 automatiser la s\u00e9lection de mod\u00e8les de machine learning en fonction des donn\u00e9es \u00e0 traiter. Il \u00e9tait auparavant Chief Data Scientist \u00e0 La Poste apr\u00e8s un pass\u00e9 chez Bouygues Telecom et chez NDS, un fournisseur de logiciels pour les set-top-boxes de la TV num\u00e9rique, un univers technologique o\u00f9 j\u2019avais s\u00e9vi entre 2006 et 2013.<\/p>\n

Michel Nowak <\/b>est en charge de la recherche en algorithmie quantique chez Prevision.io depuis 2 ans. D\u2019habitude, nos invit\u00e9s sont souvent polytechniciens ou normaliens, ils ont souvent crois\u00e9 Alain Aspect ou des personnalit\u00e9s comme le prix Nobel Serge Haroche. L\u00e0, bien non. Ils ont par contre un point commun qui nous rapproche d\u2019un autre vortex du quantique en France : ils ont tous les deux fait la m\u00eame \u00e9cole d\u2019ing\u00e9nieur \u00e0 Grenoble<\/b>, Phelma, avec 15 ans d\u2019\u00e9cart. Cette \u00e9cole est actuellement juste \u00e0 l\u2019entr\u00e9e principale de la presque-\u00cele de Grenoble o\u00f9 l\u2019on trouve notamment le CEA-Leti et un peu plus loin d\u2019Institut N\u00e9el du CNRS. Et puis Michel Nowak a en plus r\u00e9alis\u00e9 une th\u00e8se de doctorat en physique nucl\u00e9aire au CEA<\/b>, termin\u00e9e en 2018. Donc, l\u00e0, cela nous fait tout de m\u00eame \u00ab 2 points \u00bb dans le bingo quantique fran\u00e7ais avec Grenoble et le CEA.<\/p>\n

Vous pouvez t\u00e9l\u00e9charger l\u2019\u00e9pisode avec ce lien<\/a>.<\/p>\n